原理  当K-means聚类的k值不被指定时，可以通过手肘法来估计聚类数量。  在聚类的过程中，随着聚类数的增大，样本划分会变得更加精细，每个类别的聚合程度更高，那么误差平方和（SSE）会逐渐变小，误差平方和即该类重心与其内部成员位置距离的平方和。SSE是手肘法的核心指标，其公式为：SSE=∑i=1k∑p∈C∣p−mi∣2SSE=\sum_{i=1}^{k}\sum_{p\inC}|p-m_i|^2SSE=i=1∑k​p∈C∑​∣p−mi​∣2  其中，cic_ici​是第i个簇，ppp是cic_ici​中的样本点，mim_imi​是cic_ici​的质心（cic_ici​中所有样本均值），代

Python通过手肘法实现k_means聚类1.导入matplotlib.pylab和numpy包2.定义实现需要用到的函数（1）计算两点距离（2）取集合的中心点（3）寻找下一个聚类中心点，其距离已找到的聚类中心点最远，用于初始化聚类中心3.k_means方法4.手肘法获取最佳的k值5.main函数6.完整代码1.导入matplotlib.pylab和numpy包importmatplotlib.pylabaspltimportnumpyasnp2.定义实现需要用到的函数（1）计算两点距离#计算两点距离defdistance(a,b):returnnp.sqrt((a[0]-b[0])**2+